KR101909138B1 - Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data - Google Patents
Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data Download PDFInfo
- Publication number
- KR101909138B1 KR101909138B1 KR1020170143810A KR20170143810A KR101909138B1 KR 101909138 B1 KR101909138 B1 KR 101909138B1 KR 1020170143810 A KR1020170143810 A KR 1020170143810A KR 20170143810 A KR20170143810 A KR 20170143810A KR 101909138 B1 KR101909138 B1 KR 101909138B1
- Authority
- KR
- South Korea
- Prior art keywords
- data
- analysis
- recovery
- module
- receivables
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/02—Banking, e.g. interest calculation or account maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/12—Accounting
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Financial Or Insurance-Related Operations Such As Payment And Settlement (AREA)
Abstract
Description
본 발명은 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템에 관한 것으로, 보다 구체적으로는, 기존 시스템의 폐쇄적·주관적인 방식의 한계를 극복하여 개방적·객관적인 방식으로 기업 경영자 및 실무자들에게 유의미한 분석정보를 제공을 통한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템에 관한 것이다. The present invention relates to a large data-based receivable recovery support system for reducing receivables of SMEs and preventing bad debts. More specifically, the present invention overcomes the limitations of the closed system and the subjective system of the existing system, And to provide a large data-based receivable recovery support system for reducing the sales receivables of SMEs by providing meaningful analytical information to customers.
중소기업에 있어서, 자산의 효율적인 운용과 현금흐름의 안정화는 매우 중요한 문제이다.For SMEs, efficient operation of assets and stabilization of cash flow are very important issues.
중소기업에 있어서는 자신의 실물 자산인 공장이나 빌딩과 같은 자산의 유지 및 보수에 대한 작업 관리를 체계화할 필요가 있다.In SMEs, it is necessary to systematize the management of the maintenance and repair of assets such as factories, factories, etc., which are their real assets.
이와 함께, 매출채권과 같은 현금 자산에 대한 관리는 기업의 부도 관리 및 영속성 유지라는 입장에서 실물 자산보다 보다 중요한 관리의 가치가 있다. In addition, management of cash assets, such as trade receivables, is more important than real assets in terms of corporate default management and persistence.
그러나 이러한 기업의 매출채권과 같은 자산을 관리하는 시스템은 대개 체계화되어 있지 않고, 경영자는 대규모의 기업 자산 관리에 대한 구체적인 파악이 용이하지 않은 실정이다. 경영자들은 대개 간략한 정도의 보고를 받을 정도이며, 구체적으로 기업을 위해 들이는 비용이나 시간 등의 분석이 가능하지 않은 현실이다. However, systems for managing assets such as accounts receivable of such companies are not systemized in general, and managers are not able to grasp a large amount of corporate asset management easily. Managers usually receive a brief report and are unable to analyze the cost or time spent on the company.
이에 따라 해당 기술분야에 있어서는 매출채권의 감소 및 부실화에 대비할 수 있는 분석 정보를 이용하여, 채권회수 소요시간 및 비용 절감에 효과적으로 대응할 수 있는 기술 개발이 요구된다. Accordingly, in the technology field, it is required to develop a technology that can effectively cope with the time and cost saving of the collection of the bonds by using analytical information that can prepare for the reduction and deterioration of accounts receivable.
본 발명은 상기의 문제점을 해결하기 위한 것으로, 기업 재무, 거래, 매출채권 데이터 기반 매출채권 회수예측 분석 모형을 제공하도록 하기 위한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템을 제공하기 위한 것이다.In order to solve the above problems, the present invention provides a large data-based receivables collection support system for reducing sales receivables of SMEs and preventing the occurrence of insolvency in order to provide a predictive analysis model of accounts receivable recovery based on corporate finance, transactions, .
또한, 본 발명은 산업 독립적 기업거래 패턴 분석 모델을 제공하도록 하기 위한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템을 제공하기 위한 것이다.In addition, the present invention is to provide a big data-based receivables collection support system for reducing sales receivables of SMEs and preventing insolvency in order to provide an industry-independent corporate transaction pattern analysis model.
또한, 본 발명은 기업거래 패턴기반 매출채권회수 예측을 제공하도록 하기 위한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템을 제공하기 위한 것이다.In addition, the present invention is to provide a large data-based receivables collection support system for reducing sales receivables of SMEs and preventing the occurrence of misstatements in order to provide forecasts of receivables collection based on enterprise transaction patterns.
또한, 본 발명은 지능형 매출채권회수지원 서비스 및 시스템을 제공하도록 하기 위한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템을 제공하기 위한 것이다.In addition, the present invention is to provide a system for supporting receipt of large receivables in order to provide SMART receivables recovery support service and system, in order to reduce SME receivables and prevent bad loans.
그러나 본 발명의 목적들은 상기에 언급된 목적으로 제한되지 않으며, 언급되지 않은 또 다른 목적들은 아래의 기재로부터 당업자에게 명확하게 이해될 수 있을 것이다.However, the objects of the present invention are not limited to the above-mentioned objects, and other objects not mentioned can be clearly understood by those skilled in the art from the following description.
상기의 목적을 달성하기 위해 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, 내부/공공 데이터(110)로 기업 업무에서 생성되는 내부 데이터(111)로 기업 재무 데이터, 기업 거래 데이터, 그리고 외부(공공) 데이터(112)로 거래처 위치 데이터, 법원판례 데이터, 기타 공공 데이터를 수집하는 매출채권회수지원 시스템에 있어서, 분석에 활용되기 위해 수집된 데이터의 전처리 수행으로, 수집된 데이터를 보안과 비식별화 과정을 거쳐 보관하는 수집/보안/저장부(122); 및 매출채권회수예측 모듈(123b); 을 포함하며, 매출채권회수예측 모듈(123b)은, 기업 재무 데이터를 수집하여, 기본적인 매출, 매입 분석을 진행하며, 이외의 기업 재무에 관련된 부가 데이터 분석을 진행하는 기업재무 데이터 분석모듈(123b-1); 및 기업의 거래 데이터를 네트워크 분석 기법을 활용하여 거래 패턴과 거래량의 정보를 산출할 수 있도록 분석 알고리즘을 모듈화하는 기업거래 데이터 분석모듈(123b-2); 을 포함하는 것을 특징으로 한다.In order to accomplish the above object, the big data-based trade receivable recovery support system for reducing the sales receivables of SMEs and preventing the insolvency according to the embodiment of the present invention includes internal data / public data 110, internal data 111 ), Which collects customer location data, court precedent data, and other public data from corporate financial data, corporate transaction data, and external (public) data (112) A collection / security / storage unit 122 for performing pre-processing of the collected data and storing the collected data through security and non-identification processes; And a trade receivable recovery prediction module 123b. And the sales receivable collection prediction module 123b collects the company financial data and proceeds with the basic sales and purchase analysis and analyzes the additional financial data related to the other company financials 123b- One); And an enterprise transaction data analysis module (123b-2) for modifying analysis algorithms so as to calculate transaction patterns and transaction amount information by using network analysis techniques of enterprise transaction data; And a control unit.
이때, 본 발명의 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템에 있어서, 매출채권회수예측 모듈(123b)은, 기업 거래 데이터 중에 매출을 발생시키는 시작 데이터를 대금 회수까지 채권으로 분류하여, 채권 관리 데이터로 분석하며 예정되어 있는 회수 기일을 넘겼을 경우부터 부실 채권으로 분류하여 분석하는 채권데이터 분석모듈(123b-3); 을 더 포함하는 것을 특징으로 한다.In this case, in the big data-based receivables collection support system for reducing the sales receivables of SMEs and preventing the troubles of the SMEs according to another embodiment of the present invention, the receivables collection forecasting module 123b includes start data A bond data analyzing module 123b-3 for analyzing the bond data by the number of times of collection, analyzing the data by the bond management data, and analyzing the classified data as non-performing receivables from the time when the predetermined recovery period is exceeded; Further comprising:
또한, 본 발명의 또 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템에 있어서, 매출채권회수예측 모듈(123b)은, 채권이 정상적으로 회수되었거나, 혹은 부실 채권이 독촉 및 회수를 위한 법적 행위(채무불이행등록이나 법원 소송 등)를 통해 회수되는 경우, 회수 사례와 회수 패턴을 분석할 수 있도록 모듈화하는 회수데이터 분석모듈(123b-4); 을 더 포함하는 것을 특징으로 한다.Further, in the big data-based trade receivable recovery support system for reducing the sales receivables of the SMEs and preventing the troubles of the SMEs according to another embodiment of the present invention, the trade receivable recovery prediction module 123b may be configured such that the receivables are normally recovered, A withdrawal data analysis module 123b-4 for modularizing the withdrawal case and the withdrawal pattern so as to analyze the withdrawal case and the withdrawal pattern when the withdrawal is made through a legal action (for example, a default penalty registration, a court action, etc.) Further comprising:
또한, 본 발명의 또 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템에 있어서, 매출채권회수예측 모듈(123b)은, 회수 패턴에 매칭되는 채권인지를 분류하여, 각 채권의 상태에 따른 회수 등급을 산출하는 회수 등급 산출 모듈(123b-5); 을 더 포함하는 것을 특징으로 한다.Further, in the big data-based trade receivable recovery support system for reducing the sales receivables of SMEs and preventing the troubles according to another embodiment of the present invention, the trade receivables recovery prediction module 123b classifies the receivables matched to the recovery patterns A withdrawal grade calculating module 123b-5 for calculating a withdrawal grade according to the state of each bond; Further comprising:
또한, 본 발명의 또 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, (1) 기업 재무 데이터 분석, (2) 기업 거래 데이터 분석, (3) 채권 데이터 분석, (4) 회수 데이터 분석을 수행하는 매출채권회수예측 모듈(123b) 외에, 분석 모델 구축을 위해 (1) 시공간 패턴 분석, (2) 관계 패턴 분석, (3) 재무비율 패턴 분석, (4) 회수 패턴 분석을 수행하는 빅데이터 패턴 분석 모델(123a); 을 더 포함하는 것을 특징으로 한다.In addition, according to another embodiment of the present invention, a big data-based receivable recovery support system for reducing the receivables of the SMEs and preventing the loss of the SMEs includes (1) analysis of corporate financial data, (2) analysis of enterprise transaction data, (1) spatial and temporal pattern analysis, (2) relationship pattern analysis, (3) financial ratio pattern analysis, and (4) data collection and analysis. 4) a big data pattern analysis model 123a for performing recovery pattern analysis; Further comprising:
또한, 본 발명의 또 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, 매출채권 회수 지원 서비스를 수행하기 위해 거래처 검색, 거래처 모니터링, 기업 부실 분석, 회수 예측 분석을 수행하는 채권 회수 지원 서비스 모듈(124a), 사례 분류, CRUD(Create(생성), Read(읽기), Update(갱신), Delete(삭제)), 기준정보 관리, 통계정보 관리를 수행하는 채권 회수 사례 관리 모듈(124b), 인증/권한 관리, 사용자 관리, 서비스 관리, API 관리를 수행하는 관리자 포탈 모듈(124c)을 구비하는 서비스부(124); 를 더 포함하는 것을 특징으로 한다. In addition, according to another embodiment of the present invention, the big data-based receivables collection support system for reducing the sales receivables of the SMEs and preventing the troubles of the SMEs is composed of a customer searching service, a customer monitoring service, A credit recovery support service module 124a for performing a predictive analysis, a case classification, a CRUD (Create, Read, Update, Delete), a reference information management, and a statistical information management A service unit 124 having a debt collection case management module 124b, a manager portal module 124c for performing authentication / authority management, user management, service management, and API management; And further comprising:
본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, 기업 재무, 거래, 매출채권 데이터 기반 매출채권 회수예측 분석 모형을 제공하는 효과가 있다. The big data-based receivables collection support system for reducing the sales receivables of SMEs according to the embodiment of the present invention provides an analytical model for predicting the receivables collection based on corporate finance, transactions, and receivables data.
또한, 본 발명의 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, 산업 독립적 기업거래 패턴 분석 모델을 제공하도록 하기 위한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 서비스를 제공할 수 있다. In addition, according to another embodiment of the present invention, a big data-based receivables collection support system for reducing the receivables of the SMEs and preventing the trouble is provided for reducing the sales receivables of the SMEs and preventing the trouble- Big data-based receivable recovery service can be provided.
또한, 본 발명의 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, 기업거래 패턴기반 매출채권회수 예측을 제공하도록 하기 위한 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 서비스를 제공할 수 있다. In addition, according to another embodiment of the present invention, the big data-based receivables collection support system for reducing the sales receivables of SMEs and preventing the insolvency of the SMEs can reduce the sales receivables of the SMEs and prevent the insolvency Based data collection service.
뿐만 아니라, 본 발명의 다른 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템은, 지능형 매출채권회수지원 서비스를 제공할 수 있다. In addition, according to another embodiment of the present invention, the big data-based trade receivables collection support system for reducing the sales receivables of SMEs and preventing the troubles can provide the intelligent receivables collection support service.
도 1은 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)을 나타내는 도면이다.
도 2는 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)에 의한 서비스 개념을 나타내는 도면이다.
도 3은 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)을 플랫폼화하여 나타내는 계층도이다.
도 4는 도 3의 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)의 플랫폼에서 각 구성요소 간의 신호 및 데이터 전달 계통도, 그리고 기존 구성요소, 신규 구성요소, 고도화된 구성요소를 구분하여 나타내는 도면이다.
도 5 내지 도 8는 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)에서의 분석 모형 및 서비스 모형을 설명하기 위한 도면이다. FIG. 1 is a diagram illustrating a
FIG. 2 is a diagram illustrating a service concept by a big data-based receivable
FIG. 3 is a hierarchical diagram showing a
FIG. 4 is a block diagram illustrating a signaling and data transmission scheme between each component in a platform of a big data-based receivable
5 to 8 are diagrams for explaining an analysis model and a service model in the big data-based receivables
이하, 본 발명의 바람직한 실시예의 상세한 설명은 첨부된 도면들을 참조하여 설명할 것이다. 하기에서 본 발명을 설명함에 있어서, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략할 것이다.DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS Hereinafter, a detailed description of preferred embodiments of the present invention will be given with reference to the accompanying drawings. In the following description of the present invention, detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear.
본 명세서에 있어서는 어느 하나의 구성요소가 다른 구성요소로 데이터 또는 신호를 '전송'하는 경우에는 구성요소는 다른 구성요소로 직접 상기 데이터 또는 신호를 전송할 수 있고, 적어도 하나의 또 다른 구성요소를 통하여 데이터 또는 신호를 다른 구성요소로 전송할 수 있음을 의미한다.In the present specification, when any one element 'transmits' data or signals to another element, the element can transmit the data or signal directly to the other element, and through at least one other element Data or signal can be transmitted to another component.
도 1은 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)을 나타내는 도면이다. 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)은 기업자산의 효율적인 운용과 현금흐름의 안정화를 위해 매출채권의 감소 및 부실화에 대비할 수 있는 분석 정보를 이용하여, 채권회수 소요시간 및 비용 절감에 효과적으로 대응할 수 있도록 개발된 빅데이터 경영정보시스템에 해당한다.FIG. 1 is a diagram illustrating a
이를 위해 도 1을 참조하면, 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)은 내부/공공 데이터(110), 수집/보안/저장부(122), 분석부(123), 서비스부(124), 사용자 단말(125), DB/File 모듈(126), Open Stack 클라우드 인프라(Level1)(127)를 포함할 수 있다.1, a big data-based receivable
먼저, 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)은 내부/공공 데이터(110)에 해당하는 내부 데이터(111)로 기업 재무 데이터, 기업 거래 데이터, 그리고 외부(공공) 데이터(112)로 거래처 위치 데이터, 법원판례 데이터, 기타 공공 데이터를 수집한다. 즉, 데이터의 수집시 기업 업무에서 생성되는 기업 재무 데이터, 기업 거래 데이터를 비롯하여, 공공 데이터 영역인 거래처 위치 데이터, 법원 판례 데이터, 기타 공공 데이터가 수집된다.First, a big data-based receivable
이후, 수집/보안/저장부(122)는 수집된 데이터의 전처리를 수행하는데, 보다 구체적으로, 수집된 데이터는 보안과 비식별화 과정을 거쳐 보관되며, 분석에 활용되기 위해 전처리 과정을 수행한다.Thereafter, the collection / security / storage unit 122 performs a preprocessing of the collected data. More specifically, the collected data is stored through security and non-identification processes, and is subjected to a preprocessing process .
여기서, 수집/보안/저장부(122)는 보안 모듈(122a), 데이터 수집 모듈(122b), 빅데이터 저장 및 처리 모듈(122c)로 구분될 수 있는데, 보안 모듈(122a)은 관리 수단(122a-1)과 보안 I/F(122a-2)로 구성되며, 데이터 수집 모듈(122b)은 외부(공공) 데이터 수집기(122b-1) 및 내부 데이터 수집기(122b-2)로 구성되어 각 수집기를 통해 분석에 필요한 원천 데이터를 수집하며, 빅데이터 저장 및 처리 모듈(122c)은 빅데이터 처리 및 빅데이터 저장을 수행하기 위해 각 수집기(122b-1, 122b-2)에 의해 수집된 데이터는 빅데이터 처리 기법과 빅데이터 저장 기법을 적용한다. Here, the collection / security / storage unit 122 may be divided into a security module 122a, a data collection module 122b, and a big data storage and processing module 122c. The security module 122a includes management means 122a 1) and a security I / F 122a-2. The data collection module 122b includes an external (public) data collector 122b-1 and an internal data collector 122b-2, And the big data storage and processing module 122c collects the source data necessary for the analysis through the large data processing and the big data storage, and the data collected by each of the collectors 122b-1 and 122b- Apply processing techniques and big data storage techniques.
분석부(123)는 분석 모델 구축을 위해 (1) 시공간 패턴 분석, (2) 관계 패턴 분석, (3) 재무비율 패턴 분석, (4) 회수 패턴 분석을 수행하는 빅데이터 패턴 분석 모델(123a), (1) 기업 재무 데이터 분석, (2) 기업 거래 데이터 분석, (3) 채권 데이터 분석, (4) 회수 데이터 분석을 수행하는 매출채권회수예측 모듈(123b)을 포함할 수 있다.The analysis unit 123 includes a big data pattern analysis model 123a for performing (1) spatio-temporal pattern analysis, (2) relationship pattern analysis, (3) financial ratio pattern analysis, and (4) , And a trade receivable recovery prediction module 123b for performing (1) analysis of corporate financial data, (2) analysis of corporate transaction data, (3) analysis of bond data, and (4) analysis of collected data.
즉, 분석부(123)는 빅데이터 분석을 위해 빅데이터 분석 모델에 해당하는 빅데이터 패턴 분석 모델(123a) 및 매출채권회수예측 모듈(123b)을 모듈화하여 포팅된다.That is, the analysis unit 123 modifies the big data pattern analysis model 123a and the trade receivable collection prediction module 123b corresponding to the big data analysis model for the big data analysis, and is ported.
다시 말해, 빅데이터 패턴 분석 모델(123a)에서는 시공간 패턴 분석, 관계 패턴 분석, 재무비율 패턴분석, 회수 패턴 분석을 위한 모듈이 포팅되는 것이며, 매출채권회수예측 모듈(123b)에서는 기업 재무 데이터 분석, 기업 거래 데이터 분석, 채권 데이터 분석, 회수 데이터 분석, 회수 등급 산출을 위한 모듈이 포팅되는 것이다. In other words, in the big data pattern analysis model 123a, modules for spatio-temporal pattern analysis, relationship pattern analysis, financial ratio pattern analysis, and recovery pattern analysis are ported. In the trade receivable recovery prediction module 123b, A module for analyzing enterprise transaction data, analysis of bond data, analysis of recovered data, and calculation of payload grade is ported.
서비스부(124)는 매출채권 회수 지원 서비스를 수행하기 위해 거래처 검색, 거래처 모니터링, 기업 부실 분석, 회수 예측 분석을 수행하는 채권 회수 지원 서비스 모듈(124a), 사례 분류, CRUD(Create(생성), Read(읽기), Update(갱신), Delete(삭제)), 기준정보 관리, 통계정보 관리를 수행하는 채권 회수 사례 관리 모듈(124b), 인증/권한 관리, 사용자 관리, 서비스 관리, API 관리를 수행하는 관리자 포탈 모듈(124c)을 구비한다. The service unit 124 includes a debt recovery support service module 124a for performing a customer search, a customer monitoring, a corporate failure analysis, and a recovery prediction analysis in order to perform a service for recovering accounts receivables, a case classification, a CRUD (Create) A creditor recovery case management module 124b for performing read, update, and delete management, reference information management, and statistical information management, authentication / rights management, user management, service management, and API management And a manager portal module 124c.
이에 따라, 서비스부(124)는 분석부(123)에 의한 분석 결과를 활용하여, 채권회수 지원 서비스 포탈을 서비스하며, 채권 회수 지원 서비스 모듈(124a)에 의한 거래처 검색, 거래처 모니터링, 기업 부실분석, 회수 예측 분석을 위한 서비스를 구성한다. Accordingly, the service unit 124 uses the analysis result of the analysis unit 123 to service the bond return support service portal, and searches for the customer by the bond return support service module 124a, , And a service for the recovery prediction analysis is constructed.
채권 회수 사례 관리 모듈(124b)는 채권회수 사례에 대한 관리 서비스로 사례 분류, 기존정보 관리, 통계정보 관리 서비스를 제공하며, 관리자 포탈 모듈(124c)은 관리자 포탈을 통해, 인증 및 권한 관리, 사용자 관리, 서비스 관리, API 관리를 서비스하는 것이다. The debt collection case management module 124b provides the case classification, the existing information management, and the statistical information management service as the management service for the debt collection case, and the manager portal module 124c provides authentication and authority management, Management, service management, and API management.
한편, 파일 시스템으로, DB/File 모듈(126) 및 Open Stack 클라우드 인프라(Level1)(127)을 구비함으로써, 하둡 기반의 분산 파일 시스템에 Spark를 이용한 네트워크 데이터 분석 기술을 활용하기 위한 환경을 구축하며, 일반 DBMS를 탑제하기 위한 파일 시스템으로 구별하여 구축할 수 있다. On the other hand, by providing the DB / File module 126 and the Open Stack cloud infrastructure (Level 1) 127 as a file system, an environment for utilizing network data analysis technology using Spark in the distributed file system based on Hadoop is constructed , And a file system for installing a general DBMS.
도 2는 상술한 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)에 의한 서비스 개념을 나타내는 도면이다. 즉, 도 1의 구성을 통해 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)은 매출채권회수지원 서비스로, ① 거래처 모니터링, ② 기업부실분석, ③ 매출채권 회수 사례 검색, ④ 매출채권 회수예측분석을 주 서비스로 제공할 수 있다.FIG. 2 is a diagram illustrating a concept of a service provided by the big data-based receivable
① 거래처 모니터링에 있어서는, 매출액 데이터를 활용하여 거래 네트워크를 시각화하며, 거래처의 과거·현재 데이터 기반 향후 매출액에 대한 성장·감소 추세를 확인하도록 하며, 현황 판단을 가능하도록 매출액백분율법을 이용한 추정 손익계산서 기반 예측 정보를 제공한다.① In the monitoring of the customers, it is necessary to visualize the trading network by using the sales data, to confirm the growth / decline trend of the future sales of the customer based on the past and present data, and to calculate the estimated profit and loss statement using the sales percentage method Based prediction information.
② 기업부실분석에 있어서는, 기존 재무제표(대차, 손익, 현금)를 활용한 건전·부실기업으로 분류를 제공하며, 기업의 종사자 수, 매출액, 기업유형 등에 따른 건전·부실 분석 정보 제공하며, 나의 거래처가 향후 건전·부실이 될 가능성에 대한 예측률 제공한다. (2) In the analysis of corporate insolvency, we provide classification as sound and insolvent corporations that utilize existing financial statements (lending, profit and loss, cash), provide sound and nonperformance analysis information on the number of employees, Provide a forecast of the likelihood that the customer will be sound or insolvent in the future.
③ 매출채권 회수 사례 검색에 있어서, 법원 판례 및 채권추심의 성공·실패 사례를 수집·저장하여 채권회수DB를 구축하며, 매출채권 관련 키워드 중심의 사용자 맞춤형 검색 기능을 제공하며, 나의 비슷한 상황에서 어떻게 채권 회수활동을 진행했었는지에 대한 사전 정보 습득을 제공한다. ③ In the case of retrieving accounts receivable collection cases, we collect and store successful cases and failure cases of court cases and collecting receivables, build up a receivables collection database, provide customized search function centered on accounts receivable related keywords, And provides preliminary information on whether the debt collection activities were conducted.
④ 매출채권 회수예측분석에 있어서, 나의 상황에 맞는 회수 계획을 수립할 시, 어떤 방법들이 있는 지에 대한 가이드를 제공할 수 있는 시나리오 형식의 정보를 제공하며, 회수 절차에 따라 회수율, 회수기간, 소요비용, 특이사항, 핵심 point 등에 대한 분석 수행한다. ④ In the analysis of forecasting of receivables collection, we provide information of scenario type which can provide guidance on what methods to use when establishing a recovery plan that meets my situation. In accordance with the collection procedure, the recovery rate, Cost, uniqueness, and key points.
도 3은 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)을 플랫폼화하여 나타내는 계층도이다. 그리고 도 4는 도 3의 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)의 플랫폼에서 각 구성요소 간의 신호 및 데이터 전달 계통도, 그리고 기존 구성요소, 신규 구성요소, 고도화된 구성요소를 구분하여 나타내는 도면이다. FIG. 3 is a hierarchical diagram showing a
도 3 및 도 4를 참조하면, 데이터 수집 모듈(122b)은 기업 재무 데이터 영역에 대해서 기업 업무를 진행하면서 발생하는 매입/매출 데이터를 기반으로 하여, 카드 전표, 통장 이체 내역, 전자세금계산서 발행 및 수신 내역 등을 공인인증서 기반으로 웹 스크래핑하여 수집한다. 그리고, 데이터 수집 모듈(122b)은 기업 거래 데이터 영역에 대해서 국세청 전송 완료된 전자세금계산서의 데이터를 법인용 공인 인증서를 통해 수집하여 데이터 베이스 구성한다. 또한, 데이터 수집 모듈(122b)은 거래처 위치 데이터 영역에 대해서 거래처의 주소 데이터를 신주소, 구주소 기반으로 관리하여 위 경도 정보를 통해 정확한 지리정보 시스템에 출력하기 위해 필요한 데이터로 구성한다. Referring to FIGS. 3 and 4, the data collection module 122b may be configured to generate a card transaction, a passbook transfer history, an electronic tax invoice, and a credit card transaction based on the purchase / And scans the received details based on the public certificate. Then, the data collection module 122b collects the data of the electronic tax bill that has been transmitted to the IRS for the enterprise transaction data area through a public certificate for corporation, and constructs a database. In addition, the data collection module 122b manages the address data of the customer in the customer location data area based on the new address and the old address, and configures the data to be output to the accurate geographic information system through the above-mentioned hardness information.
또한, 데이터 수집 모듈(122b)은 법원판례 데이터 영역에 대해서 법원판례 데이터 스크래핑을 통해 법원 판례 분석 및 법원 판례 검색을 위해 데이터 베이스를 구성하고, 기타 공공 데이터 영역에 대해서 통계청, 한국은행, 국세청 등의 통계 정보 중에 융합 분석할 영역의 데이터를 수집하여 데이터 베이스로 구성한다.In addition, the data collection module 122b constructs a database for court precedent analysis and court precedent retrieval through court precedent data scraping for the court precedent data area, The data of the area to be analyzed for fusion is collected in the statistical information and constituted as a database.
이후, 매출채권회수 지원 서비스 모듈(124a)은 거래처 검색, 거래처 모니터링, 기업부실분석, 회수사례검색, 회수예측분석, 채권추심마켓으로 구성되는 포탈 서비스를 제공한다. Thereafter, the trade receivable recovery support service module 124a provides a portal service composed of a customer search, a customer monitoring, a corporate malfunction analysis, a recovery case search, a recovery prediction analysis, and a debt collection market.
매출채권회수 지원 서비스 모듈(124a)의 하위 계층으로 매출채권회수 사례 관리 모듈(124b)은 서비스로, 매출채권회수사례 관리 서비스를 제공하되, 매출채권회수사례 분류관리, 매출채권회수사례 관리(CRUD), 매출채권회수사례 기준정보관리, 매출채권회수사례 통계정보관리로 구성되는 관리 서비스를 제공할 수 있다. The receivables collection case management module 124b, which is a lower layer of the receivables collection support service module 124a, provides a receivables collection case management service as a service, and manages the collection of collected receivables, ), Management information on accounts receivable collection case basis, and account receivable case statistics information management.
또한, 매출채권회수 지원 서비스 모듈(124a)의 하위 계층으로 관리자 포탈 모듈(124c)은 서비스로, 관리자 포탈 서비스를 제공하되, 인증/권한관리, 사용자관리, 서비스 관리, API관리, 대시보드로 구성되는 포탈 서비스를 제공할 수 있다. In addition, the manager portal module 124c as a lower layer of the receivables collection support service module 124a provides a manager portal service as a service, and is configured with authentication / rights management, user management, service management, API management, And the like.
한편, 상술한 데이터 수집과 서비스 제공 계층 사이의 계층에 대해서 살펴보도록 한다. 매출채권회수예측 모듈(123b)은 매출채권회수예측 모형에 기인하여 기업재무 데이터 분석 모듈, 기업 거래데이터 분석 모듈, 채권데이터 분석 모듈, 회수데이터 분석 모듈, 회수등급 산출 모듈로 구성된 예측 모형 관리 시스템을 제공한다.Meanwhile, the layer between the data collection and the service providing layer described above will be described. The trade receivable recovery prediction module 123b is a prediction model management system composed of a corporate financial data analysis module, an enterprise transaction data analysis module, a bond data analysis module, a recovery data analysis module, and a recovery grade calculation module based on a trade receivable recovery prediction model to provide.
그리고, 빅데이터 패턴분석 모듈(123a)은 시계열 패턴분석, 관계 패턴분석(노드, 그래프), 재무비율 패턴분석(대차대조, 손익, 현금흐름), 회수 패턴분석(유형, 상태, 대응방법 등)으로 구성된 패턴 분석 관리 시스템을 제공한다.The big data pattern analysis module 123a analyzes the time pattern pattern, relationship pattern analysis (node, graph), financial ratio pattern analysis (balance adjustment, profit and loss, cash flow) And a pattern analysis management system.
한편, 데이터 수집 모듈(122b)은 상술한 바와 같이 외부 데이터 수집기(122b-1)와 기업 내부 데이터 수집기(122b-1)로 구성된 수집 시스템을 제공하며, 빅데이터 저장 및 처리 모듈(Spark)(122c)은 Apache Spark 기반의 빅데이터 처리 모듈과 빅데이터 저장 모듈로 구성된 시스템을 제공하며, 보안 모듈(122a)은 관리 수단(122a-1), 보안 수단(122a-3), 외부 연동 API(122a-4), 보안 I/F(122a-2)로 구성된 보안 시스템으로 데이터의 비식별화와 암호화를 관리하고, 네트워크 구간의 보안을 처리한다. Meanwhile, the data acquisition module 122b provides a collection system composed of an external data collector 122b-1 and an enterprise internal data collector 122b-1 as described above, and a big data storage and processing module (Spark) 122c Provides a system composed of a big data processing module based on Apache Spark and a big data storage module and the security module 122a includes management means 122a-1, security means 122a-3, external interworking APIs 122a- 4) and a security I / F 122a-2, and manages the security of the network section.
DB/File 모듈(126)은 Hadoop 기반 분산 파일 시스템(EXT4)(126a), 일반 파일 시스템(126b), DBMS(MS-SQL, MariaDB 등)(126c), 기타 라이브러리(126d)로 구성된 데이터 베이스 및 파일 시스템을 제공한다. The DB / File module 126 includes a database composed of a Hadoop-based distributed file system (EXT4) 126a, a normal file system 126b, a DBMS (MS-SQL, MariaDB, etc.) 126c, Provide a file system.
한편, 도 5 내지 도 8는 본 발명의 실시예에 따른 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템(100)에서의 분석 모형 및 서비스 모형을 설명하기 위한 도면이다. 5 to 8 are diagrams for explaining an analysis model and a service model in the big data-based receivables
먼저, 도 5a를 참조하면, 매출채권회수예측 모듈(123b)은 기업재무 데이터 분석모듈(123b-1), 기업거래 데이터 분석모듈(123b-2), 채권데이터 분석모듈(123b-3), 회수데이터 분석모듈(123b-4), 회수 등급 산출 모듈(123b-5)로 구분될 수 있다. 5A, the trade receivable recovery prediction module 123b includes an enterprise financial data analysis module 123b-1, an enterprise transaction data analysis module 123b-2, a bond data analysis module 123b-3, A data analysis module 123b-4, and a collection level calculation module 123b-5.
먼저, 기업재무 데이터 분석모듈(123b-1)은 기업 재무 데이터를 수집하여, 기본적인 매출, 매입 분석을 진행하며, 이외의 기업 재무에 관련된 부가 데이터 분석을 진행한다.First, the corporate financial data analysis module (123b-1) collects corporate financial data, performs basic sales and purchase analysis, and analyzes additional data related to other corporate finance.
기업거래 데이터 분석모듈(123b-2)은 기업의 거래 데이터를 네트워크 분석 기법을 활용하여 거래 패턴과 거래량의 정보를 산출할 수 있도록 분석 알고리즘을 모듈화한다.The enterprise transaction data analysis module (123b-2) modulates the analysis algorithm so that the transaction data and the transaction amount information of the enterprise transaction data can be calculated using the network analysis technique.
채권데이터 분석모듈(123b-3)은 기업 거래 데이터 중에 매출을 발생시키는 시작 데이터를 대금 회수까지 채권으로 분류하여, 채권 관리 데이터로 분석하며 예정되어 있는 회수 기일을 넘겼을 경우부터 부실 채권으로 분류하여 분석한다.The bond data analysis module 123b-3 classifies the start data that generates sales in the enterprise transaction data into bonds by the number of times of collection, analyzes them by the bond management data, classifies the data as non-performing receivables do.
회수데이터 분석모듈(123b-4)은 채권이 정상적으로 회수되었거나, 혹은 부실 채권이 독촉 및 회수를 위한 법적 행위(채무불이행등록이나 법원 소송 등)를 통해 회수되는 경우, 회수 사례와 회수 패턴을 분석할 수 있도록 모듈화한다.The collection data analysis module 123b-4 analyzes the collection cases and the collection pattern when the collection of the receivables is normally recovered or if the non-receivable is recovered through legal action (such as debt default registration or court litigation) .
회수 등급 산출 모듈(123b-5)은 회수 패턴에 적합한 채권인지를 분류하여, 각 채권의 상태에 따른 회수 등급을 산출한다. The withdrawal grade calculation module 123b-5 classifies the receivables suitable for the withdrawal patterns and calculates the withdrawal grade according to the state of each bond.
매출채권회수예측 모듈(123b)에 의한 회수 패턴분석(유형, 상태, 대응방법 등)에 대해서는 도 5b에 도시되어 있으며, (데이터 평가)에 있어서 기업 정보, 채권 정보를 기반으로 데이터를 평가하며, 데이터 평가 요소에는 기업의 기본 정보(기업 현재 상태, 과거 재무상태 등) 분석을 기반으로 하며, (매출채권회수 예측모델)에 있어서 기업 거래정보와 기업 재무정보를 매트릭스 분석을 통해 채권 항목과 회수 패턴을 학습할 수 있도록 구성하여, 채권 정보 항목을 도출하여, 각 기준 예측평가 지표를 수치화 하여 관리하며, (채권회수 예측 평가)에 있어서, 채권등급, 신용등급, 점수구간을 관리하여, 회수불가 채권을 제외한 회수 가능채권에 대한 패턴과 회수 예측 및 회수율 등을 비율로 제시한다. The collection pattern analysis (type, status, response method, etc.) by the receivables collection prediction module 123b is shown in FIG. 5b. Data is evaluated based on the company information and the bond information in (data evaluation) The data evaluation factors are based on the analysis of the basic information of the company (current status of the company, past financial status, etc.) and the business transaction information and corporate financial information in the (accounts receivable recovery prediction model) , And to manage the bond class, the credit rating, and the score section in the (debt collection forecast evaluation), and the non-recoverable bond , The pattern of recoverable bonds, the number of times of recovery, and the recovery rate.
한편, 매출채권회수 지원 서비스 모듈(124a)의 포탈 서비스는 도 6a와 같으며, 매출채권회수 지원 서비스 모듈(124a)은 (거래처 검색)에 있어서 거래처 모니터링을 위해서 거래관계에 포함된 공급받는 자의 목록을 관리하며, 최근 거래된 기업과 거래 금액 및 회수 비율의 큰 기업을 쉽게 검색할 수 있도록 한다.6A, the merchandise recovery support service module 124a includes a list of the recipients included in the transaction relationship for the customer monitoring (customer search) , And it is possible to easily search for a company with a recently traded company and a company with a large transaction amount and a recovery ratio.
또한, 매출채권회수 지원 서비스 모듈(124a)은 (거래처 모니터링)에 있어서, 검색된 거래처의 영업 사이트 관리 측면에서 현재 진행되고 있는 계약관계 및 매출 규모. 채권의 건전성을 모니터링 하며, 채권이 불량 상태로 빠질 수 있는지 미리 감지할 수 있는 모니터링 기능을 제공한다.In addition, the sales receivable recovery support service module 124a (contract customer monitoring service) 124a (contract customer monitoring support service module 124a) It monitors the soundness of the bonds and provides a monitoring function that can detect if the bonds are in bad condition.
또한, 매출채권회수 지원 서비스 모듈(124a)은 (기업부실분석)에 있어서, 기업의 거래 관계 분석과 그 이외 환경적인 요소로 기업이 부실징후가 있는지를 영업 담당자에게 알려주기 위한 분석 결과를 제공한다.In addition, the accounts receivable recovery support service module 124a provides an analysis result for informing the salesperson about whether there is any indication that the company is in trouble due to analysis of the business relationship of the company and other environmental factors .
또한, 매출채권회수 지원 서비스 모듈(124a)은 (회수사례검색)에 있어서, 채권에 대한 법원 판례 사례를 검색하여, 유사한 패턴의 부실채권에 대한 회수 패턴을 유추할 수 있도록 판례 검색 결과를 제공한다.In addition, the receivables collection support service module 124a retrieves cases of court cases for bonds (search for collection cases), and provides a case search result so that a pattern of collection of non-performing loans with similar patterns can be inferred .
또한, 매출채권회수 지원 서비스 모듈(124a)은 (회수예측 분석)에 있어서, 채권의 패턴에 따른 회수율을 기준으로 회수 확률과 회수 규모를 예측 결과로 제공한다.In addition, the accounts receivable recovery support service module 124a provides the recovery probability and the recovery scale based on the recovery rate in accordance with the pattern of the bond as a prediction result in the recovery prediction analysis.
빅데이터 패턴 분석 모델(123a)에 의한 기업거래 패턴분석 알고리즘 모델 제공시, 기업 거래 패턴 분석을 위한 데이터 수집 및 그래프 데이터 구축을 수행하며, 거래 데이터는 도 7과 같이 실시간 분석 및 전체 거래 네트워크 분석이 가능하다는 점이 특징이 있다. 개별 업체에 저장되어 있는 거래 데이터의 수집 및 통합을 위한 데이터 처리 시스템 구축이 필요하므로 표준화된 거래 데이터의 분석을 위해 각 업체 식별자를 기준으로 노드(Node) 데이터를 구축하며, 식별자간 관계 데이터를 구축하고, 관계 데이터는 금액, 날짜, 품목 등의 속성을 포함하여 관계 분석이 가능하도록 구축한다.In the case of providing an algorithm model of enterprise transaction pattern analysis by the Big Data Pattern Analysis Model (123a), data collection and graph data construction are performed for enterprise transaction pattern analysis, and the transaction data is analyzed by real- It is a feature that it is possible. Since it is necessary to construct a data processing system for collecting and integrating transaction data stored in an individual company, node data is constructed based on each company identifier for analysis of standardized transaction data, and relationship data between identifiers is constructed , And relational data is constructed to enable analysis of the relationship including the attributes such as amount, date, and item.
이에 따라 빅데이터 패턴 분석 모델(123a)에 의한 기업 거래 패턴 분석을 통해 실물 및 채권의 흐름 탐색 가능하여, 실제 채권 데이터와 거래 데이터는 차이가 있으나 추세 및 패턴은 유사한 것으로 확인되어 이를 토대로 분석이 가능, 거래 구조 분석을 통해 산업생태계 분석을 위한 기반 자료로 활용 가능, 거래 관계 데이터는 산업생태계 가치 사슬 구조를 형성하기 때문에 산업 생태계 활성화 및 위험 관리를 통한 생태계 건전화를 위한 정책 의사 결정에 활용 가능하다는 장점을 제공한다.Accordingly, it is possible to search for the real and the receivable flow through the analysis of the corporate transaction pattern by the big data pattern analysis model 123a, and it is confirmed that the actual data and the transaction data are similar but the trend and the pattern are similar. , Can be used as the base data for the analysis of the industrial ecosystem through the analysis of the transaction structure. Since the transaction relationship data forms the industrial ecosystem value chain structure, it can be utilized for the policy decision for the ecosystem restoration through the activation of the industrial ecosystem and risk management. .
한편, 빅데이터 패턴 분석 모델(123a)에 의한 업종간 거래 패턴 분석 및 시각화 (샘플 데이터 기반, 특정 업종 및 지역 추출)가 가능하며, 표준산업분류상 업종간 거래 구조를 파악함으로써 주요 업종 파악 가능, 산업 연관 관계에 따른 업종의 영향도를 측정할 수 있는 장점을 제공한다. Meanwhile, the Big Data Pattern Analysis Model (123a) enables analysis and visualization of business transaction patterns (sample data base, specific industry and region extraction) by industry. It provides the advantage of measuring the effect of industry on industrial relations.
도 8a는 빅데이터 패턴 분석 모델(123a)에 의한 직접 거래 중요도 기반 분석 (실물 흐름 데이터 기반)을 나타내며, 도 8b는 빅데이터 패턴 분석 모델(123a)에 의한매개 역할 중요도 기반 분석(실물 흐름 데이터 기반)을 나타낸다. 8A shows a direct transaction importance based analysis (real flow data base) by the big data pattern analysis model 123a, FIG. 8B shows an intermediary role importance analysis based on the big data pattern analysis model 123a ).
이상과 같이, 본 명세서와 도면에는 본 발명의 바람직한 실시예에 대하여 개시하였으며, 비록 특정 용어들이 사용되었으나, 이는 단지 본 발명의 기술 내용을 쉽게 설명하고 발명의 이해를 돕기 위한 일반적인 의미에서 사용된 것이지, 본 발명의 범위를 한정하고자 하는 것은 아니다. 여기에 개시된 실시예 외에도 본 발명의 기술적 사상에 바탕을 둔 다른 변형 예들이 실시 가능하다는 것은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에게 자명한 것이다.As described above, preferred embodiments of the present invention have been disclosed in the present specification and drawings, and although specific terms have been used, they have been used only in a general sense to easily describe the technical contents of the present invention and to facilitate understanding of the invention , And are not intended to limit the scope of the present invention. It is to be understood by those skilled in the art that other modifications based on the technical idea of the present invention are possible in addition to the embodiments disclosed herein.
100 : 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템
110 : 내부/공공 데이터
122 : 수집/보안/저장부
123 : 분석부
124 : 서비스부
125 : 사용자 단말
126 : DB/File 모듈
127 : Open Stack 클라우드 인프라100: Big data-based receivables collection support system to reduce the receivables of SMEs
110: Internal / public data
122: collection / security / storage unit
123: Analysis Department
124:
125: User terminal
126: DB / File module
127: Open Stack cloud infrastructure
Claims (6)
분석에 활용되기 위해 수집된 데이터의 전처리 수행으로, 수집된 데이터를 보안과 비식별화 과정을 거쳐 보관하는 수집/보안/저장부(122); 외에 분석부(123); 를 포함하며, 분석부(123)는,
분석 모델 구축을 위해 (1) 시공간 패턴 분석, (2) 관계 패턴 분석, (3) 재무비율 패턴 분석, (4) 회수 패턴 분석을 수행하는 "빅데이터 패턴 분석 모델(123a)";
(1) 기업 재무 데이터 분석, (2) 기업 거래 데이터 분석, (3) 채권 데이터 분석, (4) 회수 데이터 분석을 수행하는 "매출채권회수예측 모듈(123b)"; 및
매출채권 회수 지원 서비스를 수행하기 위해 거래처 검색, 거래처 모니터링, 기업 부실 분석, 회수 예측 분석을 수행하는 채권 회수 지원 서비스 모듈(124a)과, 사례 분류, CRUD(Create(생성), Read(읽기), Update(갱신), Delete(삭제)), 기준정보 관리, 통계정보 관리를 수행하는 채권 회수 사례 관리 모듈(124b)과, 인증/권한 관리, 사용자 관리, 서비스 관리, API 관리를 수행하는 관리자 포탈 모듈(124c)에 해당하는 복수의 모듈(124a 내지 124c)로 이루어진 "서비스부(124)"; 를 포함하며,
"매출채권회수예측 모듈(123b)"은,
기업 재무 데이터를 수집하여, 매출, 매입 분석을 진행하며, 이외의 기업 재무에 관련된 부가 데이터 분석을 진행하는 기업재무 데이터 분석모듈(123b-1);
기업의 거래 데이터를 네트워크 분석 기법을 활용하여 거래 패턴과 거래량의 정보를 산출할 수 있도록 분석 알고리즘을 모듈화하는 기업거래 데이터 분석모듈(123b-2);
기업 거래 데이터 중에 매출을 발생시키는 시작 데이터를 대금 회수까지 채권으로 분류하여, 채권 관리 데이터로 분석하며 예정되어 있는 회수 기일을 넘겼을 경우부터 부실 채권으로 분류하여 분석하는 채권데이터 분석모듈(123b-3);
채권이 정상적으로 회수되었거나, 혹은 부실 채권이 독촉 및 회수를 위한 법적 행위(채무불이행등록이나 법원 소송)를 통해 회수되는 경우, 회수 사례와 회수 패턴을 분석할 수 있도록 모듈화하는 회수데이터 분석모듈(123b-4); 및
회수 패턴에 매칭되는 채권인지를 분류하여, 각 채권의 상태에 따른 회수 등급을 산출하는 회수 등급 산출 모듈(123b-5); 을 포함하며,
매출채권회수예측 모듈(123b)에 의한 (데이터 평가)에 있어서 기업 정보, 채권 정보를 기반으로 데이터를 평가하며, 데이터 평가 요소에는 기업의 정보(기업 현재 상태, 과거 재무상태)를 분석하며, (매출채권회수 예측모델)에 있어서 기업 거래정보와 기업 재무정보를 매트릭스 분석을 통해 채권 항목과 회수 패턴을 학습할 수 있도록 구성하여, 채권 정보 항목을 도출하는 방식으로 예측평가 지표를 수치화하여 관리하며, (채권회수 예측 평가)에 있어서, 채권등급, 신용등급, 점수구간을 관리하여, 회수불가 채권을 제외한 회수 가능채권에 대한 패턴, 회수 예측 및 회수율을 제시하며,
매출채권회수 지원 서비스 모듈(124a)의 포탈 서비스에 있어서, 매출채권회수 지원 서비스 모듈(124a)은 (거래처 검색)에 있어서 거래처 모니터링을 위해서 거래관계에 포함된 공급받는 자의 목록을 관리하며, 최근 거래된 기업과 거래 금액 및 회수 비율을 검색할 수 있도록 하며,
매출채권회수 지원 서비스 모듈(124a)은 (거래처 모니터링)에 있어서, 검색된 거래처의 영업 사이트 관리 측면에서 현재 진행되고 있는 계약관계 및 매출 규모, 채권의 건전성을 모니터링 하며, 매출액 데이터를 활용하여 거래 네트워크를 시각화하며, 거래처의 과거·현재 데이터 기반 향후 매출액에 대한 성장·감소 추세를 확인하도록 하며, 현황 판단을 가능하도록 매출액백분율법을 이용한 추정 손익계산서 기반 예측 정보를 제공하는 방식으로 채권이 불량 상태에 대한 감지를 위한 모니터링 기능을 제공하며,
매출채권회수 지원 서비스 모듈(124a)은 (기업부실분석)에 있어서, 기업의 거래 관계 분석과 환경적인 요소로 기업이 부실징후가 있는지를 영업 담당자에게 알려주기 위한 분석 결과를 제공하며,
매출채권회수 지원 서비스 모듈(124a)은 (회수사례검색)에 있어서, 채권에 대한 법원 판례 사례를 검색하여, 검색된 법원 판례 사례와 매칭되는 패턴의 부실채권에 대한 회수 패턴을 유추할 수 있도록 판례 검색 결과를 매출채권회수예측 모듈(123b)로 제공하며,
매출채권회수 지원 서비스 모듈(124a)은 (회수예측 분석)에 있어서, 채권의 패턴에 따른 회수율을 기준으로 회수 확률과 회수 규모를 예측 결과로 제공하며,
빅데이터 패턴 분석 모델(123a)에 의한 기업거래 패턴분석 알고리즘 모델 제공시, 기업 거래 패턴 분석을 위한 데이터 수집 및 그래프 데이터 구축을 수행하며, 거래 데이터는 실시간 분석 및 거래 네트워크 분석이 가능하며, 개별 업체에 저장되어 있는 거래 데이터의 수집 및 통합을 위한 데이터 처리 시스템 구축하기 위해 표준화된 거래 데이터의 분석을 위해 각 업체 식별자를 기준으로 노드(Node) 데이터를 구축하며, 식별자간 관계 데이터를 구축하고, 관계 데이터는 금액, 날짜, 품목의 속성을 포함하여 관계 분석이 가능하도록 구축하여,
빅데이터 패턴 분석 모델(123a)에 의한 업종간 거래 패턴 분석 및 시각화(샘플 데이터 기반, 특정 업종 및 지역 추출)를 제공하며, 표준산업분류상 업종간 거래 구조를 파악하여 주요 업종 파악 가능, 산업 연관 관계에 따른 업종의 영향도를 측정하도록 하는 것을 특징으로 하는 중소기업 매출채권 감소 및 부실방지를 위한 빅데이터 기반 매출채권회수지원 시스템.
Collects business location data, court precedent data, and public data in the enterprise financial data, enterprise transaction data, and external (public) data 112 with the internal data 111 generated in the enterprise service by the internal / public data 110 In the receivables collection support system,
A collection / security / storage unit 122 for performing pre-processing of collected data to be utilized for analysis, and storing the collected data through security and non-identification processes; An analysis unit 123; And the analyzing unit 123 includes:
A "Big Data Pattern Analysis Model (123a)" is used to construct the analysis model; (1) time and space pattern analysis; (2) relationship pattern analysis; (3) financial ratio pattern analysis;
"Accounts receivable collection prediction module (123b)" which performs analysis of (1) corporate financial data, (2) enterprise transaction data analysis, (3) bond data analysis, and (4) recovery data analysis. And
A credit recovery support service module 124a for performing a customer search, a customer monitoring, a corporate failure analysis, and a recovery prediction analysis in order to perform a service for recovering accounts receivable, a case classification, a CRUD (Create, Read) A creditor recovery case management module 124b that performs management of standard information and statistics information and a management portal module 124b that performs authentication / rights management, user management, service management, and API management, A "service section 124" composed of a plurality of modules 124a to 124c corresponding to the plurality of modules 124c; / RTI >
The " trade receivable recovery prediction module 123b "
A corporate financial data analysis module (123b-1) for collecting corporate financial data, conducting sales and purchase analysis, and analyzing additional data related to other corporate finance;
An enterprise transaction data analysis module (123b-2) for modulating analysis algorithms so as to calculate information on transaction patterns and transactions using network analysis techniques of enterprise transaction data;
The bond data analysis module 123b-3 that classifies the start data that generates sales among the enterprise transaction data into bonds by the number of times of collection, analyzes the data as bond management data, ;
A collected data analysis module 123b for analyzing the collected cases and the collected patterns when the collected receivables are normally recovered or the non-performing loans are recovered through a legal action (debt default registration or court litigation) 4); And
A withdrawal grade calculation module 123b-5 for classifying the receivables matching the withdrawal pattern and calculating the withdrawal grade according to the state of each bond; / RTI >
Data is evaluated based on the company information and the bond information in the account receivable recovery prediction module 123b (data evaluation), and the data evaluation element analyzes the information of the enterprise (current status of the company, past financial status) The model is designed to analyze the corporate transaction information and the corporate financial information through the matrix analysis so as to learn the bond item and the salvage pattern. In the method of deriving the bond information item, the predictive evaluation index is numerically managed, (Credit recovery forecasting evaluation), it manages the bond class, the credit rating, and the score section, suggests patterns, recovery estimates and recovery rates for recoverable bonds excluding non-recoverable bonds,
In the portal service of the trade receivable recovery support service module 124a, the trade receivable recovery support service module 124a manages the list of the recipients included in the transaction relationship for the customer monitoring in (customer search) And the amount of transactions and the percentage of recovery.
The Accounts Receivable Recovery Support Service Module 124a monitors the integrity of contracts, sales volume, and receivables that are currently underway in terms of sales site management for the customers that are searched for (customer site monitoring) Visualization, and confirms growth / decline trends of future sales based on customer's past and present data, and provides forecasted profit-and-loss-based forecast information using sales percentage method to determine the current status. Provides monitoring function for detection,
The Accounts Receivable Recovery Support Service module 124a provides analysis results for informing the salesperson about whether there is any indication that the company is in trouble due to analysis of the transaction relationship of the company and environment factors,
The receivables collection support service module 124a retrieves case instances of the cases in the case of receivables and retrieves case judgments so as to infer a pattern of collection of non-performing receivables in a pattern matched with the retrieved court cases Provides the result to the trade receivable recovery prediction module 123b,
In the receivables recovery support service module 124a (recovery prediction analysis), the recovery probability and the recovery scale are provided as prediction results based on the recovery rates according to the patterns of the bonds,
When providing the algorithm model of enterprise transaction pattern analysis by the Big Data Pattern Analysis Model (123a), data collection and graph data construction for enterprise transaction pattern analysis are performed. Transaction data can be analyzed in real time and transaction network, The node data is constructed based on each vendor identifier for analyzing the standardized transaction data in order to construct a data processing system for collecting and integrating the transaction data stored in the database, Data can be constructed to enable analysis of the relationship, including the amount, date, and attributes of the item,
Provide analysis and visualization of business transaction patterns (sample data base, specific business type and region extraction) by Big Data Pattern Analysis Model (123a) The system is designed to measure the influence of industry on the basis of relationship.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170143810A KR101909138B1 (en) | 2017-10-31 | 2017-10-31 | Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR1020170143810A KR101909138B1 (en) | 2017-10-31 | 2017-10-31 | Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data |
Publications (1)
Publication Number | Publication Date |
---|---|
KR101909138B1 true KR101909138B1 (en) | 2018-10-17 |
Family
ID=64099484
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020170143810A KR101909138B1 (en) | 2017-10-31 | 2017-10-31 | Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data |
Country Status (1)
Country | Link |
---|---|
KR (1) | KR101909138B1 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668820A (en) * | 2019-10-16 | 2021-04-16 | 北京国双科技有限公司 | Data processing method, data processing device, storage medium and electronic equipment |
CN117933732A (en) * | 2024-03-25 | 2024-04-26 | 智慧(东营)大数据有限公司 | Enterprise big data analysis processing system based on cloud computing |
-
2017
- 2017-10-31 KR KR1020170143810A patent/KR101909138B1/en active IP Right Grant
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112668820A (en) * | 2019-10-16 | 2021-04-16 | 北京国双科技有限公司 | Data processing method, data processing device, storage medium and electronic equipment |
CN117933732A (en) * | 2024-03-25 | 2024-04-26 | 智慧(东营)大数据有限公司 | Enterprise big data analysis processing system based on cloud computing |
CN117933732B (en) * | 2024-03-25 | 2024-06-07 | 智慧(东营)大数据有限公司 | Enterprise big data analysis processing system based on cloud computing |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Kuhn et al. | Learning from WorldCom: Implications for fraud detection through continuous assurance | |
CN109543096A (en) | Data query method, apparatus, computer equipment and storage medium | |
KR20190064749A (en) | Method and device for intelligent decision support in stock investment | |
CN101470887A (en) | Credit early-warning system and method | |
AU2004224885A1 (en) | System, method and computer product to detect behavioral patterns related to the financial health of a business entity | |
CN104321794A (en) | A system and method using multi-dimensional rating to determine an entity's future commercial viability | |
KR20210001243A (en) | Online and offline information analysis service system by lifecycle according to product life cycle | |
WO2022155740A1 (en) | Systems and methods for outlier detection of transactions | |
WO2021191704A1 (en) | Machine learning based data monitoring | |
KR101909138B1 (en) | Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data | |
CN115994818A (en) | Intelligent collection system and method for special assets of bank | |
KR20210155501A (en) | Receivable recovery support system for medium-small enterprise account receivable bond decrease and bad debt prevention based on big data | |
CN114118793A (en) | Local exchange risk early warning method, device and equipment | |
CN109919667A (en) | A kind of method and apparatus of the IP of enterprise for identification | |
KR100850785B1 (en) | A Intelligent Regular Auditing System and A Auditing Methode thereof | |
CN112766814A (en) | Training method, device and equipment for credit risk pressure test model | |
Xie et al. | A big data technique for internet financial risk control | |
CN112699245A (en) | Construction method and device and application method and device of budget management knowledge graph | |
Zang | Construction of Mobile Internet Financial Risk Cautioning Framework Based on BP Neural Network | |
CN114066624A (en) | Blacklist associated map mining method and system based on graph calculation | |
CN115601124A (en) | Post-loan judicial management system based on block chain | |
CN113888293A (en) | Asset full life cycle management system | |
CN111476396A (en) | Financial big data-based prediction analysis method | |
Chowdhury et al. | Application of Data Analytics in Risk Management of Fintech Companies | |
KR102665161B1 (en) | Data-driven integrated audit information system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
E701 | Decision to grant or registration of patent right | ||
GRNT | Written decision to grant |